Multitrack Music Transformer 使用教程

1. 项目介绍

Multitrack Music Transformer 是一个基于深度学习的多轨音乐生成模型，它能够在保持音乐风格和结构的同时，生成新的音乐作品。该项目是 ICASSP 2023 会议论文的官方实现，由 Hao-Wen Dong, Ke Chen, Shlomo Dubnov, Julian McAuley 和 Taylor Berg-Kirkpatrick 共同研发。

2. 项目快速启动

以下是快速启动 Multitrack Music Transformer 的步骤：

首先，你需要安装 Conda 环境。如果尚未安装 Conda，请参考 Conda 官方文档进行安装。

# 创建 Conda 环境
conda env create -f environment.yml

接着，下载并解压预处理的数据集。这里以 Symbolic Orchestral Database (SOD) 为例：

# 下载 SOD 数据集
wget https://qsdfo.github.io/LOP/database/SOD.zip
# 解压到指定目录
unzip SOD.zip -d data/sod/SOD

然后，运行预处理脚本来准备数据：

# 获取文件名列表
find data/sod/SOD -type f -name '*.mid' -o -name '*.xml' | cut -c 14- > data/sod/original-names.txt
# 转换数据格式
python convert_sod.py
# 提取音符列表
python extract.py -d sod
# 分割数据集
python split.py -d sod

之后，你可以开始训练模型。这里以绝对位置编码（Absolute Positional Embedding, APE）为例：

# 训练模型
python mmt/train.py -d sod -o exp/sod/ape -g 0

训练完成后，你可以使用训练好的模型生成新的音乐：

# 生成音乐
python mmt/generate.py -d sod -o exp/sod/ape -g 0

3. 应用案例和最佳实践

应用案例

• 音乐创作：利用 Multitrack Music Transformer 生成独特的音乐作品。
• 音乐风格模仿：训练模型以模仿特定作曲家的风格，进行风格迁移。

最佳实践

• 使用预训练模型：为了节省时间，可以先使用预训练模型进行生成，然后根据需要调整模型参数。
• 数据集选择：选择合适的数据集对模型的性能有很大影响。可以根据音乐类型和风格选择不同的数据集。

4. 典型生态项目

目前，Multitrack Music Transformer 的生态项目还不是很多，但以下是一些值得关注的：

• 音乐生成平台：将 Multitrack Music Transformer 集成到音乐生成平台中，为用户提供在线音乐生成的服务。
• 音乐分析工具：结合音乐分析工具，分析生成的音乐作品，以提供更深入的创作指导。